Terapia neoadiuvante in pazienti con HCC resecabile selezionati da un modello multimodale di deep learning

Il cancro epatico primario è uno dei tumori maligni più comuni al mondo e circa l'80% ~ 90% dei tumori epatici primari sono patologicamente caratterizzati come carcinoma epatocellulare (HCC). La chirurgia radicale è il metodo principale con cui i pazienti affetti da HCC possono ottenere una sopravvivenza a lungo termine. Tuttavia, non esiste consenso sul trattamento chirurgico per i pazienti affetti da HCC BCLC in stadio B o C. La chemioembolizzazione transarteriosa e la terapia sistemica hanno rappresentato la prima linea di trattamento per questi pazienti. Nei paesi orientali, come la Cina, il BCLC-B è ulteriormente classificato negli stadi IIa e IIb e la resezione chirurgica è raccomandata come opzione di trattamento di prima linea per lo stadio IIa, mentre la resezione chirurgica può essere presa in considerazione anche per lo stadio IIb. Inoltre, molti studi hanno scoperto che anche i pazienti con tumori in stadio BCLC-C possono trarre beneficio dalla chirurgia e la prognosi complessiva è migliore rispetto al trattamento non chirurgico. Tuttavia, il tasso di recidiva postoperatoria è superiore a quello dell’HCC precoce. Per affrontare questo problema, sono urgentemente necessari nuovi strumenti per guidare la selezione di regimi terapeutici appropriati per ridurre il rischio di recidiva postoperatoria e migliorare la sopravvivenza globale.

Il nostro team multidisciplinare ha utilizzato la tecnologia di deep learning per costruire un modello di previsione dell'intelligenza artificiale dei benefici della terapia neoadiuvante (Neoadj-Net) basato su dati di test genetici pre-trattamento, vetrini di patologia digitale e dati di imaging (MRI potenziata) di 536 pazienti con HCC in stadio intermedio trattati con HAIC in combinazione con lenvatinib e anticorpo monoclonale PD-1 in sei centri, e i dati dei centri esterni hanno convalidato la buona capacità del modello di identificare la popolazione beneficiaria del regime di combinazione (AUC 0,89, accuratezza 0,86). Questo studio intende esplorare l'efficacia e la sicurezza di Neoadj-Net nel ridurre la recidiva postoperatoria osservando il beneficio del regime neoadiuvante combinato in pazienti che traggono potenzialmente beneficio dalla terapia neoadiuvante e dalla chirurgia diretta dal punto di vista della terapia di precisione.